《基于GF-1遥感影像湿地变化信息检测算法分析》由会员分享，可在线阅读，更多相关《基于GF-1遥感影像湿地变化信息检测算法分析（5页珍藏版）》请在金锄头文库上搜索。
1、Vol. 35 No. 11 Nov. 2015第 35 卷 第 11 期 2015 年 11 月 中 南 林 业 科 技 大 学 学 报Journal of Central South University of Forestry (2) Using support vector machine classifier to classify the remote sensing image, sample selection degree of isolation were between 1.9-2.0 The overall accuracy of classification resu
2、lts is 85.34% and Kappa coefficient is 0.8 that meet the post classification comparison algorithm to extract change information requirements; Introduction of NDVI and the first principal component to distinguish the change information, using the histogram accumulation interval to confirm change thre
3、shold,the result shows that the optimization result is the best when change threshold of increase information is set to 0.3, change threshold of decrease information is set to 0.2 , the Smooth Kernel Size is set to 3 and aggregation Min Size is set to 30. Extraction the change information of wetland
4、 from remote sensing images of GF-1, compared with the improved image difference algorithm after classification, the image difference method can quickly, directly extract change information and the result is not affected by classification accuracy and sample consistency . The detection precision is
5、89.6%.Kappa coefficient is 0.9. Image difference algorithm is superior to the traditional classification algorithm and it is an efficient and feasible method. Key words: wetland; dynamic information; GF-1 satellite; image difference algorithm; Dongting lake17第 35 卷中 南 林 业 科 技 大 学 学 报湿地是一种处于陆地和水体之间的过
6、渡生态系统，具有蓄洪防旱、保持水源、净化水质、维护生物多样性、调节气候和美化环境等重要生态功能，短时间范围内湿地分布状况的变化、迁徙的空间分析和动态监测评价是全球环境变化检测的重点1-5。早期遥感影像变化检测的主要方法是人工目视解译，该方法主要依靠解译人员的目视判读经验，效率低下6-7，近年来湿地变化检测方法得到了一定的发展，肖笃宁等8提取了 1986 1994 年间辽东湾滨海湿地景观信息，研究了生境调整与生境更新对区域可持续发展的影响。宁龙梅等9基于 Landsat-TM 影像，对 1996 年和 2001年武汉市湿地景观信息进行了提取，对湿地景观变化信息进行了定量分析。梁守真，李仁东等10
7、基于19802000年3期 Landsat MSS和TM影像，利用遥感技术对洞庭湖区湿地景观变化进行了研究。目前，湿地生态系统的变化检测研究已经形成了一套完整的体系，但是主要集中在中低分辨率的卫星影像，基于 GF-1 遥感数据进行湿地信息提取与监测的研究较少，GF-1 影像具有高空间分辨率、高时间分辨率、大范围等特点11-13，利用高分数据开展湿地变化信息检测研究，既可以扩大高分数据的民用性，又对湿地资源科学利用、合理开发、可持续发展具有重要作用14。在湿地变化信息检测的众多方法中可以分成两大类：一是湿地信息分类后检测，二是通过影像特征值的变化进行检测15-18。本文以东洞庭湖为研究对象，利用
8、2014年1月和5月的2期GF-1影像为数据源，对影像进行图像配准、几何校正等预处理，采用以下两种方法提取湿地变化信息： （1）影像分类后比较法：将经过配准的两个时相遥感影像分别进行分类，然后比较分类结果得到变化信息；（2）图像差值法：即将两个时相的遥感图像相减或者相除，图像中未发生变化的地类在两个时相的遥感图像上一般具有相等或相近的灰度值，而当洞庭湖地物属性发生变化时，灰度值将有较大差别，因此在差值图像上发生变化区域的灰度值会与背景值有较大差别，从而使变化信息从背景影像中显现出来。对于提取出来的变化信息，利用外业实测的数据进行分析，结合影像各波段的特征进行分类处理，并进行精度评价。1 研究区
9、概况研究区位于湖南东洞庭湖自然保护区，介于东经 1114911217，北纬28492908之间，地处洞庭湖西滨（见图 1）。保护区总面积 35 680 hm2，其中湿地面积26 960 hm2。 区内拥有河流、 湖泊、 沼泽、人工湿地等多种湿地生态类型，永久性淡水湖面积21 710 hm2，占湿地面积的 81%。该区属中亚热带季风气候，气候温和，日照充足，雨量充沛，平均气温16.7 ， 降水量1 2001 350 mm， 无霜期274 d；湿地植被以芦苇为主，约占湿地面积 20%。图 1 研究区地理位置 Fig.1 Geographic location of the study area2
10、数据预处理与外业调查2.1 数据预处理为了提高影像的质量、还原真实的地表信息19，研究对所采用的 GF-1 遥感影像进行了辐射校正和图像配准处理。辐射校正过程包括辐射定标与大气校正，主要用以消除依附于辐射亮度中的各种失真，选择 ENVI 软件特有的 FLAASH快速大气校正模块，通过输入地面平均高程、大气模型、气溶胶模型、初始能见度、影像中心位置、获取时间等参数；图像配准则是将不同时间、不同传感器或不同条件下（天气、照度摄像位置和角度等）获取的两幅或多幅图像进行匹配、叠加的过程 , 图像配准两期遥感影像的变化信息检测要求同一地区有重叠区。文章以 2014 年 5 月 1 日遥感影像为基准影像，
11、2014 年 1 月 19 日遥感影像为待配准影像，由于基准影像包含 RPC 信息，所以自动生成 Tie 点，进行 2 期遥感影像配准，研究综合考虑光谱特征与信息量大小，通过标准差、信息熵、最佳指数 3 个定量评价指标以及目视效果判断，得到 GF-1 遥感影像最佳波段组合为RGB=432。2.2 外业调查本次外业根据植被长势兼顾典型植被（芦苇，苔草，辣蓼，泥蒿）的分布情况，对洞庭湖湿地植刘伟乐，等：基于 GF-1 遥感影像湿地变化信息检测算法分析18第 11 期被进行调查，采集 GPS 点 157 个，并随机设置样地23 个，样地大小为 30 m30 m。在每个样地内，设置 5 个 2 m2
12、m 的小样方，利用 GPS 采集样地的坐标值，在每个小样方内，利用成像光谱仪和非成像光谱仪测量植被光谱信息，在完成植被光谱值的测定之后，利用叶面积指数仪，在每个小样方内测量 5 次植被叶面积指数，并用叶绿素仪测量植被叶片的叶绿素含量；在5个小样方内采集生物量样本。3 结果与分析3.1 基于多时相影像分类后的变化检测分类结果比较法是通过两时相影像分类结果，获得变化信息，此方法的精度取决于分类时的精度和分类标准的一致性。根据 GF-1 遥感影像湿地分类标准，以及洞庭湖植被类型的特征，影像分类的算法为支持向量机法，根据植被的特征采集训练样本，样本为芦苇、苔草、辣蓼、泥蒿、水体、泥滩地 6 种类型，为
13、了提高分类时的精度，研究计算了各个样本类型之间的可分离性，采用Jeffries-Matusita, Transformed Divergence参数表示，这两个参数值在 0 2.0 之间，大于 1.9 说明样本之间可分离性好，属于合格样本；小于 1.8，需要重新选择样本；小于 1，考虑将两类样本合成一类样本，本文选取的样本分离度均在 1.9 和 2.0 之间，两期影像分类结果如图 2 所示。图 2 两期遥感影像分类结果 Fig. 2 Two remote sensing image classification results分类结果的精度将直接影响两期影像的变化检测，因此需要对分类结果进行评
14、价，确定分类的精度和可靠性。研究采用混淆矩阵法进行精度验证，利用野外实地调查获取的 191 个样本，匹配原有分类代码，获取分类结果的总体分类精度、Kappa系数、 制图精度、 用户精度， 结果如表1所示。对两个时相分类后的结果影像进行规则类别关联，分类后比较法的结果如图 3 所示，将提取出的变化信息矢量数据导入 ArcGIS 软件中，统计两期影像分类结果，并进行精度验证。 3.2 基于改进后图像差值的变化检测图像差值法是对经过配准的两个时相遥感影像中像元值直接进行差值运算，经过变换处理，提取出变化区域，由于植被变化是湿地资源动态监测的重要内容，传统的图像差值算法就是运用单波段间的简单运算，只能
15、粗略的检测出变化信表 1 总体分类精度、Kappa系数、制图精度、用户精度 Table 1 Overall classification accuracy, Kappa coefficient, precision mapping, user accuracy评价 指标分类影像 总计水体林地泥滩地芦苇苔草辣蓼 + 泥蒿参考 图像水体560400161林地0701109泥滩地101800120芦苇010377247苔草001634041辣蓼 + 泥蒿000011113总计57823454315191生产精度 /%98.25 87.5078.2682.22 79.0773.33用户精度 /%91.
16、80 77.7890.0078.72 82.9384.62总体精度为 85.34%, Kappa 系数为 0.791 6息， NDVI作为植被指数对地表植被变化反应灵敏，因此研究引用 NDVI 植被指数波段与第一主分量波段（PC1），设置变化等级阈值，采用直方图积19第 35 卷中 南 林 业 科 技 大 学 学 报累区间确定变化阈值。以累计区间为对象，对遥感影像进行分割，根据两期影像 DN 值相似性原则为分割依据，将各 DN 值统计到相应变化区域，并进行聚类处理，将变化信息增加的变化阈值设置为 0.3，信息减少的变化阈值设置为 0.2，检测出后一时期影像较前一期影像增加和减少的信息。检测出的变化信息椒盐噪声较严重，含有许多小斑块，利用平滑核（Smooth Kernel Size）和最小聚类数（Aggregation Min Siz
